在上一篇我們有用到K-means把數據分群以及視覺化其分群效果，但若是沒先了解過K-means的你，經由上篇應該還沒有很懂它的運作方式吧，今天我將帶你一同了解其內涵運作模式。

安裝新插件

在第十六篇時，我們有提到插件的功能，而今天我們要用到裡面的「Educational」，它為一個為機器學習量身打造的插件，裡面有著許多有趣的組件，我們先把它安裝起來吧!
一樣從工作列表點選「Options」，再來點選其中最下面的「Add-on(插件)」，打開之後，找到「Educational」，安裝後，我們將重啟Orange，就會看到它囉~

繪數據點，看過程

打開「Paint Data」繪製三個數據群。

接上「Interactive k-Means」看看運作效果。

圓圈處是個數據集的中心(質心)。

我們可以按右下的「Random(隨機)」，圖案中的質心就會隨機生成，而每個數據點皆與質心有所關聯，而K-means通過這種方式來找尋集群。

但上面最終得出的結果並不是我們要的，這是我們可以按左下角的「Recompute Centroids(重新計算質心)」，就會跳出較好的結果。

大家若在按後發現還是有些點沒有在正確的群集，則可按下左下的「Reassign Membership(重新設計族群)」，還是沒有，就繼續按，直到質心沒有變動，那麼就是K-means最終的分配。

改質心，看變化

那我們現在手動來改變一下質心，看看最終結果是否有如我們預期。
由以下影片檔，可以看出若初始質心設定不對，最終成果也無法如期分配，所以我們可以得知起始質心相當地重要。

那麼今日份就到這啦~我們明天見~

參考資料:
Orange